What Characterizes Pairwise Modular Smells?

Sintesi Tecnica: Cosa Caratterizza i Pairwise Modular Smells?

Problematica
Migliorare la struttura modulare dei sistemi software esistenti è una sfida critica. Sebbene le tecniche di modularizzazione del software tentino di ristrutturare i sistemi in moduli ottimali, esse sono spesso impraticabili a causa delle estese e costose modifiche richieste. Al contrario, gli approoli che identificano problemi di progettazione (smells) come opportunità di refactoring soffrono spesso di una granularità grossolana (ad esempio, a livello di modulo), rendendo difficile determinare strategie di refactoring specifiche.

Per affrontare questo problema, il lavoro precedente degli autori ha introdotto il Pairwise Modular Smell (PairSmell), uno smell architettonico a grana fine definito come la deviazione tra la relazione modulare (MR) effettiva di una coppia di file e un'MR appropriata (apt). L'MR appropriata è derivata da un consenso di molteplici strumenti di modularizzazione. Se la relazione effettiva (collocata o separata) contraddice il consenso, si configura uno smell: InSep (separazione inappropriata, dove gli strumenti concordano che dovrebbero stare insieme ma sono separati) o InCol (collocazione inappropriata, dove gli strumenti concordano che dovrebbero essere separati ma sono insieme).

Tuttavia, la definizione di PairSmell si basa sull'output "black box" degli strumenti di modularizzazione, rendendo il concetto oscuro e difficile da spiegare. Gli sviluppatori mancano di intuizione sul perché una specifica coppia presenti uno smell. Questo studio mira a spiegare il PairSmell identificando le caratteristiche della coppia specifiche che rendono determinate entità suscettibili a tali deviazioni architettoniche.

Metodologia
Lo studio impiega un approccio a metodi misti combinando una revisione rapida della letteratura, la modellazione tramite machine learning (ML) e l'analisi qualitativa:

1. Revisione Rapida della Letteratura: Gli autori hanno esaminato 178 studi primari sulla modularizzazione del software per sintetizzare un insieme di caratteristiche candidate che rappresentano le relazioni tra due entità. Questo processo ha prodotto 19 caratteristiche distinte della coppia suddivise in sei dimensioni: relazionalità, distanza, indipendenza, complessità, coesione e dimensione.
2. Costruzione del Dataset: Lo studio ha utilizzato un dataset curato di oltre 6,1 milioni di coppie di entità derivate da 11 progetti open-source Java (ad es., Kafka, Hadoop, Druid). Il dataset include sia coppie separate che collocate, con etichette di ground truth per gli istanze InSep e InCol stabilite nel lavoro precedente.
3. Modellazione Predittiva:
   • Caratteristiche (Features): Le 19 caratteristiche sono state utilizzate come variabili indipendenti.
   • Target: Sono stati definiti due compiti di classificazione binaria: predire InSep (per le coppie separate) e InCol (per le coppie collocate).
   • Selezione del Modello: Diversi modelli (Regressione Logistica, SVM, Random Forest) sono stati addestrati. I Support Vector Machines (SVM) sono stati selezionati come modelli primari grazie alle loro prestazioni superiori.
   • Pre-elaborazione: Per affrontare la collinearità, le caratteristiche con una correlazione di rango di Spearman ($\rho$) $\ge 0,7$ sono state rimosse. Lo sbilanciamento delle classi è stato affrontato utilizzando l'Inverse Transform Sampling.
4. Interpretazione: Gli autori hanno utilizzato la Permutation Feature Importance per identificare le caratteristiche più influenti. Partial Dependence Plots (PDP) sono stati generati per visualizzare come i cambiamenti nei valori di specifiche caratteristiche influenzino la probabilità che una coppia sia classificata come uno smell.
5. Validazione Qualitativa: Esempi rappresentativi del dataset sono stati analizzati manualmente per illustrare come le caratteristiche influenti identificate si manifestino nel codice reale.

Contributi Chiave

1. Caratterizzazione Sistematica di PairSmell: Lo studio va oltre il semplice rilevamento del PairSmell per spiegarne l'emergere. Identifica e interpreta le sottostanti caratteristiche della coppia che guidano le istanze InSep e InCol.
2. Identificazione degli Indicatori Influenti:
   • Per InSep (coppie separate che dovrebbero stare insieme), gli indicatori più influenti sono le dipendenze in uscita (out-going dependencies), i termini condivisi con altri (degree) e i campi dichiarati (total-fields).
   • Per InCol (coppie collocate che dovrebbero essere separate), gli indicatori più influenti sono la similarità semantica (tf-idf), i termini condivisi tra la coppia (intersection), i termini condivisi con altri (degree) e le dipendenze in entrata (in-going dependencies).
3. Illustrazione Pratica: Il documento fornisce esempi concreti dimostrando come un alto out-degree o un basso numero di termini condivisi correlino con specifici tipi di smell, offrendo spunti azionabili per gli sviluppatori.

Risultati

• Prestazioni Predittive: I modelli SVM addestrati hanno ottenuto un miglioramento del 58,6% in ROC-AUC rispetto ai modelli baseline per le coppie collocate e un miglioramento del 34,6% per le coppie separate. I modelli hanno anche dimostrato un encomiabile equilibrio tra precisione e richiamo (miglioramenti AUPRC di 1,57x e 2,77x rispetto ai baseline).
• Analisi delle Caratteristiche:
  • InSep: Un alto numero di dipendenze in uscita aumenta inizialmente la probabilità di uno smell (suggerendo un accoppiamento esterno eccessivo), mentre un out-degree molto basso suggerisce un'indipendenza funzionale che giustifica la separazione. Un alto grado (termini condivisi con altri) indica responsabilità sovrapposte, rendendo inappropriata la separazione. Un basso numero di total-fields nelle coppie dipendenti suggerisce responsabilità semplici e sparse che è meglio mantenere insieme.
  • InCol: Una bassa similarità semantica (sim-tfidf) e una bassa intersezione indicano che le entità collocate sono non correlate, violando il principio di singola responsabilità. Un alto in-degree suggerisce che le entità hanno troppe responsabilità, potenzialmente sovraccaricando il modulo.
• Significatività Statistica: I test di Mann-Whitney U hanno confermato differenze significative nelle distribuzioni delle caratteristiche tra le coppie con smell e quelle senza.

Significatività e Rivendicazioni
Il documento sostiene di far avanzare la comprensione del PairSmell spostando l'attenzione dalla sua prevalenza e dalle sue conseguenze alla sua spiegabilità. Collegando le specifiche caratteristiche della coppia all'insorgenza dello smell, lo studio:

• Demistifica il PairSmell: Spiega perché certe coppie vengono segnalate come smell, trasformando il concetto da un output opaco di uno strumento a un problema di progettazione comprensibile.
• Guida il Refactoring: Le scoperte offrono strategie specifiche di mitigazione basate sulle caratteristiche (ad es., astrarre le interfacce per ridurre l'out-degree, o rinominare gli identificatori per migliorare la similarità semantica).
• Informa la Progettazione Modulare: Lo studio suggerisce che i futuri strumenti di modularizzazione non dovrebbero concentrarsi solo sulla relazionalità, ma dovrebbero considerare anche l'indipendenza e la dimensione per produrre soluzioni più razionali. Evidenzia che le caratteristiche utilizzate negli algoritmi di modularizzazione possono essere collineari, suggerendo la necessità di una selezione attenta delle caratteristiche per evitare analisi ridondanti.

Gli autori pongono questo lavoro come fondamento per un'ispezione e un miglioramento più efficaci delle strutture dei moduli software, fornendo prove empiriche che supportano una prospettiva sfumata sulla progettazione modulare rispetto ai risultati precedenti focalizzati solo sulla prevalenza degli smell.